TW202121160A - 利用聲音監控設備之方法 - Google Patents
利用聲音監控設備之方法 Download PDFInfo
- Publication number
- TW202121160A TW202121160A TW108143304A TW108143304A TW202121160A TW 202121160 A TW202121160 A TW 202121160A TW 108143304 A TW108143304 A TW 108143304A TW 108143304 A TW108143304 A TW 108143304A TW 202121160 A TW202121160 A TW 202121160A
- Authority
- TW
- Taiwan
- Prior art keywords
- index
- signal
- sound
- processing
- acoustic coupling
- Prior art date
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本發明提供一種利用聲音監控設備之方法,其包含:擷取設備運行過程之聲音訊號;將聲音訊號進行數位訊號處理,以產生處理訊號;將處理訊號透過聚類分析處理為複數頻寬訊號;將各頻寬訊號進行運算,以產生矩陣型態之聲頻指標、撞擊指標及聲偶合指標;將聲頻指標、撞擊指標及聲偶合指標與定速基準模型比對分析,判斷聲頻指標、撞擊指標及聲偶合指標分別與定速基準模型間之相似度值,以相似度值產生判斷結果;當判斷結果為異常時,產生警示訊號;藉此,準確判斷設備運行狀況。
Description
本發明係關於一種設備監控領域,尤指一種利用聲音監控設備之方法。
一般加工機台於工件加工過程中,工作人員須經常巡視檢查加工機台是否出現異常,避免加工機台異常而影響工件產能與品質。對於廠房較大且機台數量眾多的大型加工廠,以及加工機台龐大且機構複雜的大型加工機台而言,除了逐機檢查或逐部位檢查非常耗時且不便外,各種加工機台的故障情況也有很多種類型,如何準確判斷機件異常並迅速排解,通常需靠經年累積的經驗才能辦到。
但是目前加工廠大多依靠工作人員經驗判斷,一旦工作人員經驗不足或判斷錯誤,則可能發生加工機台損壞,進而影響工件產能與品質。因此,為解決前述問題,目前加工機台會安裝複數個感測器,藉以隨時監測機件的運作情況,但是為了提升判斷準確性,需要於加工機台上每個零組件分別加裝感測器,以接收每個零組件的感測訊號並分別診斷,但如此一來,將導致機台之整體成本提高,而且需要額外的感測器安裝程序,所需成本亦相當高。
為解決上述課題,本發明提供一種利用聲音監控設備之方法,藉由聲音判斷設備運行時產生之各種異常狀況,藉以達到準確且有效之監測效果。
本發明之一項實施例提供一種利用聲音監控設備之方法,其包含:擷取設備運行過程之一聲音訊號;將聲音訊號進行一數位訊號處理,以產生一處理訊號;將處理訊號透過一聚類分析處理為複數頻寬訊號;將各頻寬訊號進行運算,以產生矩陣型態之一聲頻指標、一撞擊指標及一聲偶合指標;將聲頻指標、撞擊指標及聲偶合指標與一定速基準模型比對分析,判斷聲頻指標、撞擊指標及聲偶合指標分別與定速基準模型間之一相似度值,以所述相似度值產生一判斷結果;以及當判斷結果為異常時,產生一警示訊號。
於其中一項實施例中,擷取設備運行過程之一轉速訊號;將轉速訊號進行迴歸分析與類神經網路處理,產生一轉速指標;判斷轉速指標、聲頻指標、撞擊指標及聲偶合指標分別與一變速基準模型間之所述相似度值,以產生判斷結果。
藉由上述,本發明藉由聲音判斷設備運行時產生之各種異常狀況,藉以達到準確且有效之監測效果,改善習知透過人工方式之不準確性,以及減少需要加裝複數感測器之監測成本。
再者,本發明能夠適用於定轉速及變轉速之設備監測,以提升本發明之使用廣度。
為便於說明本發明於上述發明內容一欄中所表示的中心思想,茲以具體實施例表達。實施例中各種不同物件係按適於說明之比例、尺寸、變形量或位移量而描繪,而非按實際元件的比例予以繪製,合先敘明。
請參閱圖1至圖5所示,本發明第一實施例提供一種利用聲音監控設備之方法,本發明第一實施例之方法運用於監控定轉速設備。
本發明第一實施例利用聲音監控設備之方法包含:
一擷取步驟S1:透過聲音擷取裝置擷取設備運行過程之一聲音訊號10,聲音訊號10為隨著設備之運行時間,於過程中產生不同振幅強度,如圖2所示。其中,聲音擷取裝置能夠是獨立麥克風、智慧型行動裝置內建麥克風或數位錄音筆,本發明不以此為限。
一第一處理步驟S2:透過運算終端接收由訊號擷取步驟S1所擷取之聲音訊號10,運算終端將聲音訊號10進行一數位訊號處理,以產生一處理訊號20;其中,數位訊號處理為透過時頻分析將聲音訊號10處理產生具有對應時間之振幅與頻率的處理訊號20,如圖2及圖3所示;再者,運算終端能夠係電腦終端或控制器(例如:Microchip PIC32MX系列微控制器),本發明不以此為限,運算終端具有通訊功能,運算終端能夠訊號連接聲音擷取裝置以接收聲音訊號10;運算終端能夠透過網際網路連接雲端伺服器,以將資訊傳送至雲端伺服器。
一第二處理步驟S3:運算終端將經過第一處理步驟S2之處理訊號20透過一聚類分析(Cluster Analysis)處理為複數頻寬訊號30;於本發明實施例中,運算終端利用聚類分析(Cluster Analysis)之分裂法(partitioning methods)將處理訊號20分為複數個固定之頻寬訊號30,也就是每個單位時間對應有一個頻寬訊號30,如圖4所示。
一指標運算步驟S4:運算終端將經過第二處理步驟S3產生之各頻寬訊號30進行運算,以產生矩陣型態之一聲頻指標40、一撞擊指標及一聲偶合指標,聲頻指標40、撞擊指標及聲偶合指標分別用以判斷設備中各零組件是否有發生異常,其中,聲頻指標40能夠用以判斷異常零組件舉例為:馬達線圈是否正常、馬達軸承是否正常、定子是否有氣隙、齒輪是否斷裂等問題;撞擊指標能夠用以判斷異常零組件舉例為:螺鎖組件、零組件鬆脫因運轉而敲擊等問題;聲偶合指標能夠用以判斷異常零組件舉例為:齒輪箱齒輪偏心、皮帶偏心、傳動軸有間隙等問題。
再者,於本發明實施例中,聲頻指標40是透過各頻寬訊號30之頻率分佈找尋零組件是否有異常,而運算終端將各頻寬訊號30透過頻率運算產生矩陣型態之聲頻指標40;撞擊指標透過各頻寬訊號30之現象找尋零組件是否有異常,而運算終端將各頻寬訊號30透過峰度(Kurtosis)運算產生矩陣型態之撞擊指標;聲偶合指標透過各頻寬訊號30之現象找尋零組件是否有異常,而運算終端將各頻寬訊號30透過希爾伯特轉換(Hilbert transform)運算產生矩陣型態之聲偶合指標。
一建立基準步驟S5:當每一設備初始運行時,能夠透過擷取步驟S1取得設備初始運行過程之聲音訊號10;接著,將聲音訊號10經由第一處理步驟S2、第二處理步驟S3及指標運算步驟S4,計算取得設備初始運行時之聲頻指標40、撞擊指標及聲偶合指標,並將初始之聲頻指標40、撞擊指標及聲偶合指標建立為一定速基準模型儲存於運算終端,於本發明實施例中,運算終端具有記憶功能,而記憶功能能夠是透過外加的SD卡(Secure Digital Memory Card)或使用外加Flash記憶體。
再者,定速基準模型分別有一聲頻基準模型、一撞擊基準模型及一聲偶合基準模型,初始之聲頻指標40建立為聲頻基準模型,初始之撞擊指標建立為撞擊基準模型,初始之聲偶合指標建立為聲偶合基準模型。
一比對步驟S6:當設備已建立定速基準模型後,而後每次設備運行時,便能夠透過擷取步驟S1、第一處理步驟S2、第二處理步驟S3及指標運算步驟S4取得當次設備運行時,設備之聲頻指標40、撞擊指標及聲偶合指標,並藉由運算終端將當次之聲頻指標40、撞擊指標及聲偶合指標分別與定速基準模型比對分析,用以判斷聲頻指標40、撞擊指標及聲偶合指標分別與定速基準模型間之一相似度值,以所述相似度值產生一判斷結果,其中,當聲頻指標40、撞擊指標或聲偶合指標任一與定速基準模型間相似度值低於一設定相似度值,並且維持一指定時間,則所屬指標判斷結果為異常,並且建立一故障碼,於本發明實施例中,設定相似度值為0.5。
進一步說明:運算終端能夠預設或提供設定聲頻指標40、撞擊指標或聲偶合指標每一與定速基準模型間的相似度值,其中,運算終端會將當次設備運行過程每個單位時間之頻寬訊號30取得之聲頻指標40與聲頻基準模型比對,取得兩者間的相似度,當兩者間的相似度低於設定相似度值(例如:設定之相似度值為0.5,取得之相似度值為0.4),則判斷結果產生為1,而此判斷結果會建立為故障碼,並儲存於運算終端,以供日後判斷使用;反之,當兩者間的相似度等於或高於設定之相似度值(例如:設定之相似度值為0.5,但取得之相似度值為0.8),則判斷結果為0;以此類推,撞擊指標及聲偶合指標皆以前述方法取得判斷結果。
舉例說明:當設備運行10分鐘,單位時間為1秒,則會有600個頻寬訊號30計算產生之聲頻指標40,若每個聲頻指標40皆未低於聲頻基準模型,則600個聲頻指標40的判斷結果所集合成之矩陣型態為[0,0,…0],若其中一個聲頻指標40低於聲頻基準模型,則會在對應之聲頻指標40的判斷結果呈現1,而600個聲頻指標40的判斷結果所集合成之矩陣型態為[0,0,0,1,0…0],而當聲頻指標40低於聲頻基準模型之時間持續維持指定時間(例如:指定時間為3分鐘,也就是會有連續180個呈現1之判斷結果),則會確定判斷聲頻指標40之判斷結果為異常。
一警示步驟S7:當聲頻指標40、撞擊指標或聲偶合指標其中之一或即其組合判斷結果為異常時,運算終端便會產生一警示訊號,警示訊號會顯示哪一個指標為異常;而運算終端會將警示訊號傳送至雲端伺服器,而雲端伺服器提供與終端裝置網際網路連接,而警示訊號會提供顯示於終端裝置,其中,終端裝置能夠是智慧型行動裝置。
請參閱圖6至圖7所示,為本發明第二實施例,與前述實施例差異在於,設備為變轉速設備,本發明第二實施例利用聲音監控設備之方法更包括:
擷步驟取S1:於設備上安裝轉速計,運算終端與轉速計訊號連接,運算終端會透過轉速計擷取設備運行過程之一轉速訊號。
而設備運行過程中,運算終端除了擷取轉速訊號,同樣透過聲音擷取裝置取得聲音訊號10,而聲音訊號10會透過第一處理步驟S2、第二處理步驟S3及指標運算步驟S4取得設備運行時之聲頻指標40、撞擊指標及聲偶合指標。
再者,於指標運算步驟S4中,運算終端會將轉速訊號進行迴歸分析與類神經網路處理,產生一轉速指標50;其中,轉速指標50用以顯示每一轉速下聲音所產生之振動量,如圖7所示。
建立基準步驟S5:當每一設備初始運行時,能夠透過擷取步驟S1取得設備初始運行過程之轉速訊號;接著,將轉速訊號經由指標運算步驟S4,計算取得設備初始運行時之轉速指標50,並將初始之轉速指標50建立為一變速基準模型儲存於運算終端。
比對步驟S6:當設備已建立變速基準模型後,而後每次設備運行時,便能夠透過擷取步驟S1、第一處理步驟S2、第二處理步驟S3及指標運算步驟S4取得當次設備運行時,設備之轉速指標50、聲頻指標40、撞擊指標及聲偶合指標,並藉由運算終端將當次之轉速指標50、聲頻指標40、撞擊指標及聲偶合指標分別與變速基準模型比對分析,用以判斷轉速指標50、聲頻指標40、撞擊指標及聲偶合指標分別與變速基準模型間之相似度值,以所述相似度值產生判斷結果,其中,當轉速指標50、聲頻指標40、撞擊指標或聲偶合指標任一與變速基準模型間的相似度值低於設定相似度值,並且維持指定時間,則所屬指標判斷結果為異常,並且建立故障碼,於本發明實施例中,設定相似度值為0.5。
綜合上述,本發明藉由聲音判斷設備運行時產生之各種異常狀況,藉以達到準確且有效之監測效果。
再者,本發明能夠適用於定轉速及變轉速之設備監測,以提升本發明之使用廣度。
另外,本發明能夠將不同的異常狀態建立故障碼,以提供日後判斷使用,能節省判斷之運算過程,以有效提升監測判斷之效率。
以上所舉實施例僅用以說明本發明而已,非用以限制本發明之範圍。舉凡不違本發明精神所從事的種種修改或變化,俱屬本發明意欲保護之範疇。
10:聲音訊號
20:處理訊號
30:頻寬訊號
40:聲頻指標
50:轉速指標
S1:擷取步驟
S2:第一處理步驟
S3:第二處理步驟
S4:指標運算步驟
S5:建立基準步驟
S6:比對步驟
S7:警示步驟
圖1係本發明第一實施例流程圖。
圖2係本發明第一實施例聲音訊號之波形示意圖。
圖3係本發明第一實施例處理訊號之波形示意圖。
圖4係本發明第一實施例處理訊號經過聚類分析之波形示意圖。
圖5係本發明第一實施例撞擊指標產生異常之示意圖。
圖6係本發明第二實施例流程圖。
圖7係本發明第二實施例轉速指標示意圖。
S1:擷取步驟
S2:第一處理步驟
S3:第二處理步驟
S4:指標運算步驟
S5:建立基準步驟
S6:比對步驟
S7:警示步驟
Claims (10)
- 一種利用聲音監控設備之方法,其包含: 一擷取步驟:擷取設備運行過程之一聲音訊號; 一第一處理步驟:將該聲音訊號進行一數位訊號處理,以產生一處理訊號; 一第二處理步驟:將該處理訊號透過一聚類分析處理為複數頻寬訊號; 一指標運算步驟:將各該頻寬訊號進行運算,以產生矩陣型態之一聲頻指標、一撞擊指標及一聲偶合指標; 一比對步驟:將該聲頻指標、該撞擊指標及該聲偶合指標與一定速基準模型比對分析,判斷該聲頻指標、該撞擊指標及該聲偶合指標分別與該定速基準模型間之一相似度值,以所述相似度值產生一判斷結果;以及 一警示步驟:當該判斷結果為異常時,產生一警示訊號。
- 如請求項1所述之利用聲音監控設備之方法,其中,該數位訊號處理為透過時頻分析將該聲音訊號處理產生具有對應時間之振幅與頻率的該處理訊號。
- 如請求項1所述之利用聲音監控設備之方法,其中,各該頻寬訊號透過頻率運算產生矩陣型態之該聲頻指標。
- 如請求項1所述之利用聲音監控設備之方法,其中,各該頻寬訊號透過峰度(Kurtosis)運算產生矩陣型態之該撞擊指標。
- 如請求項1所述之利用聲音監控設備之方法,其中,各該頻寬訊號透過希爾伯特轉換(Hilbert transform)運算產生矩陣型態之該聲偶合指標。
- 如請求項1所述之利用聲音監控設備之方法,其中,於該比對步驟中,當該聲頻指標、該撞擊指標或該聲偶合指標與該定速基準模型間所述相似度值低於一設定相似度值,並且維持一指定時間,則所屬指標該判斷結果為異常,並產生該警示訊號;於該警示步驟中,該警示訊號提供顯示於終端裝置。
- 如請求項1或6所述之利用聲音監控設備之方法,更包含一建立基準步驟:擷取設備初始運行過程之該聲音訊號;經由該第一處理步驟、該第二處理步驟及該指標運算步驟將該聲音訊號分析處理建立為該定速基準模型;於該警示步驟中,當該聲頻指標、該撞擊指標或該聲偶合指標任一該判斷結果為異常時,則建立為一故障碼。
- 如請求項1所述之利用聲音監控設備之方法,其中,於該擷取步驟中,擷取設備運行過程之一轉速訊號;將該轉速訊號進行迴歸分析與類神經網路處理,產生一轉速指標;於該比對步驟中,判斷該轉速指標、該聲頻指標、該撞擊指標及該聲偶合指標分別與一變速基準模型間之所述相似度值,以產生該判斷結果。
- 如請求項8所述之利用聲音監控設備之方法,其中,於該比對步驟中,當該轉速指標、該聲頻指標、該撞擊指標或該聲偶合指標任一與該變速基準模型間的所述相似度值低於一設定相似度值,並且維持一指定時間,則所屬指標該判斷結果為異常,並產生該警示訊號;於該警示步驟中,該警示訊號提供顯示於終端裝置。
- 如請求項8或9所述之利用聲音監控設備之方法,更包含一建立基準步驟:擷取設備初始運行過程之該聲音訊號及該轉速訊號;經由該第一處理步驟、該第二處理步驟及該指標運算步驟將該聲音訊號及該轉速訊號分析處理建立為該變速基準模型;於該警示步驟中,當該轉速指標、該聲頻指標、該撞擊指標或該聲偶合指標任一該判斷結果為異常時,則建立為一故障碼。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108143304A TWI712944B (zh) | 2019-11-28 | 2019-11-28 | 利用聲音監控設備之方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108143304A TWI712944B (zh) | 2019-11-28 | 2019-11-28 | 利用聲音監控設備之方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI712944B TWI712944B (zh) | 2020-12-11 |
TW202121160A true TW202121160A (zh) | 2021-06-01 |
Family
ID=74669949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108143304A TWI712944B (zh) | 2019-11-28 | 2019-11-28 | 利用聲音監控設備之方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI712944B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6570500B1 (en) * | 2001-11-09 | 2003-05-27 | Nokia Corporation | Infra-sound surveillance system |
US20050151847A1 (en) * | 2004-01-08 | 2005-07-14 | Marks Joseph W. | Surveillance system including non-audible sound emitting event detectors |
US7620534B2 (en) * | 2006-04-28 | 2009-11-17 | Saudi Aramco | Sound enabling computerized system for real time reservoir model calibration using field surveillance data |
DE102007052154A1 (de) * | 2007-10-31 | 2009-05-07 | Robert Bosch Gmbh | Audiomodul zur akustischen Überwachung eines Überwachungsbereichs, Überwachungssystem für den Überwachungsbereich, Verfahren zur Erzeugung einer Klangumgebung sowie Computerprogramm |
TWI429938B (zh) * | 2011-09-16 | 2014-03-11 | Vatics Inc | 聲源監視系統及其方法 |
CN103021411A (zh) * | 2012-11-27 | 2013-04-03 | 威盛电子股份有限公司 | 语音控制装置和语音控制方法 |
CN103077716A (zh) * | 2012-12-31 | 2013-05-01 | 威盛电子股份有限公司 | 辅助启动装置、语音操控系统及其方法 |
TWI601032B (zh) * | 2013-08-02 | 2017-10-01 | 晨星半導體股份有限公司 | 應用於聲控裝置的控制器與相關方法 |
US10582167B2 (en) * | 2015-08-31 | 2020-03-03 | Sensory, Inc. | Triggering video surveillance using embedded voice, speech, or sound recognition |
EP3220367A1 (en) * | 2016-03-14 | 2017-09-20 | Tata Consultancy Services Limited | System and method for sound based surveillance |
-
2019
- 2019-11-28 TW TW108143304A patent/TWI712944B/zh active
Also Published As
Publication number | Publication date |
---|---|
TWI712944B (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11054337B2 (en) | Method for conducting a vibration-diagnostic monitoring of a machine | |
Mbo'o et al. | Fault diagnosis of bearing damage by means of the linear discriminant analysis of stator current features from the frequency selection | |
Wang et al. | A novel statistical time-frequency analysis for rotating machine condition monitoring | |
CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
CN110816588B (zh) | 一种机车车轮失圆检测方法、装置、设备及系统 | |
US10311703B1 (en) | Detection of spikes and faults in vibration trend data | |
US10895873B2 (en) | Machine health monitoring of rotating machinery | |
TW201545832A (zh) | 滾珠螺桿預壓力的監測系統及其監測方法 | |
JP2019067197A (ja) | 故障予兆検知手法 | |
CN108535012A (zh) | 一种变速器啸叫nvh性能下线检测方法 | |
CN114216640A (zh) | 用于检测工业设备故障状态的方法、设备和介质 | |
KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
DE102012111760A1 (de) | System und Verfahren zur Verwendung bei der Überwachung einer Industrieanlage | |
WO2015011791A1 (ja) | 異常検知評価システム | |
CN113485898A (zh) | 振动测点显示方法、装置、设备及存储介质 | |
TW201633025A (zh) | 工具機主軸故障形式的診斷方法及其系統 | |
TWI712944B (zh) | 利用聲音監控設備之方法 | |
JP2017026509A (ja) | 故障診断装置および故障診断方法 | |
CN110411730B (zh) | 一种旋转设备故障判断方法、系统和可读存储介质 | |
CN111812511A (zh) | 一种基于大数据的电机故障诊断方法及装置 | |
CN112945535B (zh) | 一种基于数值模拟的旋转机械故障检测方法及装置 | |
EP3929460B1 (en) | Anomaly detection system and anomaly detection method | |
CN112863543A (zh) | 利用声音监控设备的方法 | |
CN113591984A (zh) | 设备运行事件的检测方法、装置、电子设备和存储介质 | |
CN107436244B (zh) | 基于频率分段振动数据采集的设备故障报警方法 |